[논문 리뷰] Multidiscipinary Optimization For Gas Turbines Design

Francesco Bertini, Lorenzo Dal Mas외 2명|arXiv (Cornell University)|2014. 02. 03.

Advanced Multi-Objective Optimization Algorithms참고 문헌 6인용 수 3

한 줄 요약

이 논문은 항공기 파생 저압터빈(LPT)을 위한 다학제적 최적화 프레임워크를 제시하며, 기울기 기반, 메타휴리스틱, 반응표면 방법을 통합하여 설계 효율성과 성능을 향상시킨다. 이는 인공개미벌 최적화기, 다목적 유전자 다양성 진화 알고리즘, 신경망 기반 반응표면 모델을 포함한다. 하이브리드화 및 병렬화를 통해 수렴성과 해의 품질을 향상시키며, 현실적인 초도 설계 기준에서 검증되었다.

ABSTRACT

State-of-the-art aeronautic Low Pressure gas Turbines (LPTs) are already characterized by high quality standards, thus they offer very narrow margins of improvement. Typical design process starts with a Concept Design (CD) phase, defined using mean-line 1D and other low-order tools, and evolves through a Preliminary Design (PD) phase, which allows the geometric definition in details. In this framework, multidisciplinary optimization is the only way to properly handle the complicated peculiarities of the design. The authors present different strategies and algorithms that have been implemented exploiting the PD phase as a real-like design benchmark to illustrate results. The purpose of this work is to describe the optimization techniques, their settings and how to implement them effectively in a multidisciplinary environment. Starting from a basic gradient method and a semi-random second order method, the authors have introduced an Artificial Bee Colony-like optimizer, a multi-objective Genetic Diversity Evolutionary Algorithm [1] and a multi-objective response surface approach based on Artificial Neural Network, parallelizing and customizing them for the gas turbine study. Moreover, speedup and improvement arrangements are embedded in different hybrid strategies with the aim at finding the best solutions for different kind of problems that arise in this field.

연구 동기 및 목표

• 고도로 성숙한 설계 수준으로 인해 최첨단 항공기 파생 저압터빈(LPT)에서의 향상 폭이 좁아진 문제를 해결하기 위해.
• 복잡한 다목적 터빈 설계 문제를 위한 초도 설계(PD) 단계에서 고도화된 최적화 전략을 개발하고 구현하기 위해.
• 기울기 기반, 메타휴리스틱, 반응표면 방법을 통합하고 맞춤화하여 가스터빈에서의 효과적인 다학제적 설계 최적화(MDO)를 위해.
• 최적화 알고리즘의 하이브리드화 및 병렬화를 통해 해의 품질과 수렴 속도를 향상시키기 위해.
• 실제 산업 기반의 LPT 설계 기준에서 이러한 방법의 효과성을 입증하기 위해.

제안 방법

• 다학제적 설계 공간에서 局부 최적화를 위한 기초로 기울기 기반 방법을 사용하였다.
• 기본 기울기 접근 방식보다 수렴성을 향상시키기 위해 반무작위적 2차 방법을 구현하였다.
• 비볼록 설계 공간을 효과적으로 탐색하기 위해 인공개미벌(ABC) 유사 최적화기를 도입하였다.
• 유전자 다양성을 유지하고 파레토 최적 해를 찾기 위해 다목적 유전자 다양성 진화 알고리즘(GDEA)을 적용하였다.
• 복잡한 성능 지도를 근사하기 위해 인공신경망(ANN)을 사용한 다목적 반응표면 모델을 개발하였다.
• 알고리즘을 하이브리드화하고 병렬화하여 다양한 설계 시나리오에서 수렴 속도를 가속화하고 강건성을 향상시켰다.

실험 결과

연구 질문

• RQ1 기울기 기반 및 메타휴리스틱 최적화 방법을 효과적으로 융합하여 가스터빈 설계에서 수렴성과 해의 품질을 향상시킬 수 있는가?
• RQ2 신경망 기반 반응표면 모델을 사용할 경우 다학제적 터빈 최적화의 정확도와 효율성에 어떤 영향을 미치는가?
• RQ3 진화 알고리즘에서의 유전자 다양성 유지가 강건하고 파레토 최적의 터빈 설계를 발견하는 데 어떻게 기여하는가?
• RQ4 최적화 전략의 하이브리드화 및 병렬화가 복잡한 실세계 LPT 설계 문제에서 성능을 얼마나 향상시킬 수 있는가?
• RQ5 다목적 최적화 프레임워크는 효율성, 무게, 내구성과 같은 상충되는 설계 목표를 효과적으로 균형 잡을 수 있는가?

주요 결과

• 하이브리드 최적화 프레임워크는 복잡한 다목적 설계 공간에서 개별 방법에 비해 수렴 속도와 해의 품질을 크게 향상시켰다.
• 인공개미벌 유사 최적화기는 터빈 기하 구조 최적화에서 흔한 비볼록 설계 공간 탐색에 강력한 탐색 능력을 보였다.
• 다목적 유전자 다양성 진화 알고리즘은 인구 집단 내 높은 다양성을 유지하여 상충되는 목표 간에 잘 분포된 파레토 최적 해를 발견하는 데 기여하였다.
• ANN 기반 반응표면 모델은 복잡한 성능 관계를 효과적으로 근사하여 계산 비용을 감소시키면서도 정확도를 유지하였다.
• 최적화 파이프라인의 병렬화로 측정 가능한 속도 향상이 발생하여 초도 설계 단계에서의 반복 및 평가 속도가 빨라졌다.
• 다양한 최적화 전략을 통합한 통합 프레임워크는 실제 가스터빈 설계 문제의 다학제적 복잡성을 효과적으로 다룰 수 있었다.